基于特定规则转换DataFrame中0/1值的Pandas实现求助

直接用Pandas的矢量化操作就能搞定，完全不用循环，效率拉满。核心思路是先把所有1转成0，再用移位操作标记出需要转1的0的位置。

步骤分解 #

1. 复制原始DataFrame，先把所有1替换成0，作为基础结果。
2. 用shift()方法分别获取每行的前一行、后一行取值，标记出哪些位置的前后存在1。
3. 结合原始DataFrame的0值位置，生成最终需要转1的掩码。
4. 将掩码对应的位置设为1。

代码示例 #

import pandas as pd

# 示例原始DataFrame
df = pd.DataFrame({
    'A': [0,1,1,0,0,0],
    'B': [0,0,1,1,0,0],
    'C': [1,1,0,0,1,0],
    'D': [0,0,0,1,1,1]
})

# 1. 初始化结果，将所有1转为0
result = df.copy()
result[df == 1] = 0

# 2. 生成前后有1的标记
prev_has_1 = df.shift(1).fillna(0).astype(bool)  # 前一行是1
next_has_1 = df.shift(-1).fillna(0).astype(bool) # 后一行是1

# 3. 生成掩码：原始是0，且前后至少有一个是1
mask = (prev_has_1 | next_has_1) & (df == 0)

# 4. 把掩码位置设为1
result[mask] = 1

print(result)

运行后得到的目标结果：

A  B  C  D
0  1  0  0  0
1  0  1  0  0
2  1  0  1  1
3  1  0  1  0
4  0  1  0  0
5  0  0  1  0

处理列方向的连续1块 #

如果你的需求是处理行内连续的1块（即列方向的前后位置），只需给shift()加上axis=1参数，修改后的掩码代码如下：

prev_has_1 = df.shift(axis=1).fillna(0).astype(bool)  # 前一列是1
next_has_1 = df.shift(-1, axis=1).fillna(0).astype(bool) # 后一列是1
mask = (prev_has_1 | next_has_1) & (df == 0)

这种方法完全依赖Pandas的底层优化，比循环快几个量级，不管DataFrame规模多大都能高效处理。

内容的提问来源于stack exchange，提问作者HbNIW NIW